MATLAB用拟合出的代码绘图myMixedModelsTrajectories：使用混合模型回归的轨迹拟合 混合效应模型工具箱，用于分析纵向数据 该工具箱允许将具有不同阶次的模型（从常数模型到三次模型）拟合到具有重复测量的数据。 目的是在混合样本中估算年龄的发展曲线，在该样本中，受试者是在不同年龄和多个时间点记录的。 除了确定最佳模型（无年龄关系，线性年龄关系，二次年龄关系或立方年龄关系）之外，该工具箱还可以估算多个组之间的发育差异（请参阅分组信息注释）。 主要步骤遵循Mutlu等人在Neuroimage 2015中提出的算法第一手： 将递增顺序的模型拟合到数据，并根据贝叶斯信息准则选择最佳模型 估计多组曲线的截距和形状中的组差异的p值 使用错误发现率更正多个比较 绘制结果模型参数和拟合曲线 使用此代码时，请引用以下论文： AK，穆特卢（Mutlu），施耐德（Ms. Schneider），M。德巴内（Debbané），巴杜德（Badoud），埃利兹（Eliez），S。希尔（Schaer），M.，2013。全皮层厚度差异和折叠发育的性别差异。 Neuroimage 82，200–207

MATLAB用拟合出的代码绘图异常检测 将执行异常检测算法以检测数据集中的异常行为。 在提供的示例中，我们将检测服务器计算机中的异常行为。 我将首先通过一个简单的数据集演示异常检测算法（每个示例仅由两个功能来描述），以便我们可以直观地看到该算法的功能。 然后，我们将转到一个更现实的数据集（每个示例均由11个功能描述）。 但是，该算法也可以应用于您自己的数据集！ 这种异常检测算法是根据Andrew Cg在Coursera上的机器学习课程的第八部分的第一部分改编而来的。 运行项目 确保已安装MATLAB或Octave。 将项目克隆到本地计算机。 运行anomalydetection.m。 对于指导性实施，您可以运行实时脚本AnomalyDetection.mlx。 项目详情 将实施异常检测算法以检测服务器计算机中的异常行为。 但是，此数据集是任意的，该算法也可以应用于您的数据集！ 在我们的第一个示例中，这些功能测量每个服务器响应的吞吐量（mb / s）和等待时间（ms）。 提供了一个示例数据集，其中m = 307个有关服务器行为方式的示例。 因此，我们有一个未标记的数据集。 怀疑这些示例中

MATLAB用拟合出的代码绘图统计混合模型I 介绍 该存储库包含用于反伽玛正态混合模型的MATLAB代码。 用于超临界流体的混合物模型应用的其他代码（对数正态-中型混合物，概率分类）将很快上载。 如果您使用这些代码进行发布，请引用以下文章之一。 [1] Yoon，TJ，Ha，MY，Lee，WB，＆Lee，Y.-W.。 （2017），超临界流体杂志，119，36-43。 [2] Yoon，TJ，Ha，MY，Lee，WB，＆Lee，Y.-W.。 （2017），超临界流体杂志，130，364-372。 如有任何疑问，请通过我的电子邮件或researchgate帐户与我联系。 电子邮件： 这些代码的具体信息如下。 invgampdf.m 内容描述 输入：样本值（ x ），算术平均值（ mu ）和标准偏差（ sigma ） 输出：反伽马分布的可能性（ y ） 该代码计算逆伽马分布的可能性。 逆Gamma分布的描述请参阅。逆Gamma分布的人口参数最初是形状参数和比例参数，但是出于实际目的，此代码以算术平均值和标准差作为输入参数编写。 您可以根据Wikipedia网页修改代码。 例子 此代码块绘制

MATLAB用拟合出的代码绘图高频计量经济学： HAR与神经网络 （免责声明：高频计量经济学，高频数据处理，HAR，神经网络，袋装，交叉验证，贝叶斯合奏） 受Hillebrand＆Medeiros（2009）和Corsi（2009）的启发，我将神经网络置于高频环境中，并测试了两种模型（HAR＆Neural Networks）的性能。 -该项目中使用的数据是标准普尔500股股票2年内日内5分钟的实际波动价值（请参阅：Sheppard，Patton，Liu，2012年），已使用双变量分析和操作方法对其进行了仔细检查。 模型简介： HAR（异构自回归模型）： 该模型由Corsi在2009年开发，它基于一个简单的回归框架。 自变量分别是每日波动率分别滞后1、5和22天。 这是为了模拟昨天，一周前和大约一个月前的波动（仅考虑公开市场交易日）。 这种类型的模型也称为“长记忆”模型，因为它可以“记住” 22个市场日之前发生的情况。 它如何直观地发挥作用？：由于交易频率较高的交易者将其策略基于过去的长期波动性来预测未来，并相应地更改其策略，因此会造成短期波动性。 这种行为对交易频率较低的交易者没有影响

MATLAB用拟合出的代码绘图睡眠时分析大脑的连通性 梅兰妮·伯恩哈特（MélanieBernhardt） 学期项目-数据科学课程研究 主管：J. Buhmann，顾问：D. Miladinovic 苏黎世联邦理工学院-机器学习学院 在这个学期的项目中，我们将展示如何在二元睡眠阶段分类的背景下，将图神经模型应用于从MEG记录中导出的多频大脑连接性数据。 该存储库包含与此项目关联的代码。 它包含以下所有必要的文件： 从原始Matlab文件构建numpy特征矩阵 构建并训练报告中介绍的图分类神经网络。 运行报告中描述的实验。 本自述文件详细介绍了此存储库文件的内容及其所包含的功能。 每个函数及其参数也都精确地记录在代码中。 从原始Matlab文件构建特征矩阵 使用文件build_features.py计算并保存实验所需的特征矩阵。 它包含以下功能： prepare_X将原始MatLab文件加载并合并为一个单个的numpy数组，形状为[nobs，4095，50]。 它以主题列表作为输入参数，仅在需要时才加载主题子集的数据。 transform_X_std执行标准频带聚合预处理步骤。 它采用一

MATLAB用拟合出的代码绘图使用Logistic回归评估极端变暖与气候模式之间的相互作用 Logistic回归（LR）可​​用作检查二进制变量及其潜在协变量之间关系的实用方法。 这是一个有关如何使用MATLAB使用LR评估极端变暖和气候模式之间的相互作用的教程。 资料说明 本教程使用了三个主要数据。 1）根据HadISST数据在1950年至2018年期间的海面温度异常（Titchner and Rayner，2014）。 2）1950年至2018年的极端暖化二元指数，其中1表示相应网格中存在极端暖化，否则为0。 3）气候模式指数，包括MEI，AMO，PDO，NPGO和SAM。 型号说明 此处使用的LR的控制方程为： 其中p是极端变暖存在的概率，是SST相对于先前时间步长的变化，MEI，AMO，PDO，NPGO和SAM是相应的气候模式指标。 该等式可以转换为： 当协变量（， MEI ， AMO ， PDO和NPGO ）增加1个单位时，相对于无极端变暖（）的极端变暖概率将增加到。 分步代码 首先，我们需要加载相应的数据。 首先，我们加载SST异常。 由于github不允许太大的数据集，因

MATLAB用拟合出的代码绘图dataAndModelsCovid19 安装 克隆此存储库 git clone https://github.com/gasilva/dataAndModelsCovid19.git 或使用GitHub桌面和文件，克隆存储库 用法 直接在源.py文件中进行更改。 通过变量opt选择一个选项1至5 #Initial parameters #Choose here your options #option #opt=0 all plots #opt=1 corona log plot #opt=2 logistic model prediction #opt=3 bar plot with growth rate #opt=4 log plot + bar plot #opt=5 SEAIR-D Model opt = 0 国家模型 选择要在日志中绘制的国家/地区以分析增长率。 所有国家/地区可用。 #prepare data for plotting country1 = "US" country2 = "Italy" country3 = "Brazil

MATLAB用拟合出的代码绘图学士项目：使用Support-Vector Machines和KNN基于EEG数据对愤怒进行分类 以下存储库是学士项目期间使用的代码的枢纽。 该存储库包含用于预处理和分析EEG数据（Matlab），所有统计测试（R）和分类器（Python +）的每一行。 随着项目的进行，本文档的其余部分用作记事本。 它充满了对我们一路重要的项目，在归档项目之前不得更改。 每个脚本都包含解释性注释，以指导读者阅读代码。 线性混合效应模型 验证线性混合效应模型始终需要做两件事： 检查正常性和同质性。 构建一个所谓的“空模型”，并将混合模型的性能与此空模型进行比较。 I.混合效应模型属于参数统计技术（连同t检验和ANOVA检验）一起。 参数方法要求条件之间的差异呈正态分布，即条件A和条件B之间的差异需要近似钟形曲线。 非参数技术没有此限制-它们是“无分布的”-但是，混合模型是参数化的，因此我们需要检查差异是否实际上遵循正态曲线。 混合模型的另一个要求是数据是同质的，即就方差而言，数据集的一部分与另一部分没有很大差异。 下面描述的图检查了两者->形成了两个云，描绘了男性和女性之间

MATLAB用拟合出的代码绘图AFM_Youngs_modulus_fit 用于AFM原始数据后处理的Matlab编码> Hertz模型以获得用于增加压痕深度的单元杨氏模量 该存储库包含Matlab代码，用于处理在带有球形压头的细胞上获得的原子力显微镜原始力光谱数据 所有代码均在Matlab R2016a版本上进行了测试 原始数据 原始数据是来自AFM实验的力谱.txt文件。 它们包含四列：悬臂高度[m]，悬臂垂直挠度[N]，串联时间[s]，分段时间[s]。 在此情况下，所有实验均使用来自JPK的Nanowizard 3显微镜进行。 内置软件以这种形式提供.txt文件（注释以＃开头） 预处理数据 原始数据（输入）使用Matlab代码AFM1_contactpoint.m进行单独处理。 需要此代码以： 用方差比方法拟合接触点（请参见参考资料）， 询问用户对接触点配件是否满意， 校正延伸基准线和缩回基准线之间的偏差， 校正针尖样品分离。 获得预处理数据作为输出。 杨氏模量拟合 预处理后的数据分别与赫兹模型拟合，用于半压头上的球形压头，以增加压痕深度。 这是通过Matlab代码AFM2_yo

MATLAB用拟合出的代码绘图变更点检测和理想观察者分析 该存储库包含一个工具箱，用于对IBL任务进行模型拟合和理想观察者模型的绘制。 目前，该代码仅在Matlab中可用。 安装指南 或在本地计算机上克隆存储库。 将存储库的基本文件夹（包含ibl_changepoint_add2path.m文件）添加到Matlab路径。 警告：不建议将整个存储库树永久添加到您的Matlab路径，因为这可能导致函数名称与其他项目冲突。 如果尚未安装它们，则从中安装Bayesian自适应直接搜索（BADS；优化工具箱），从中安装Variational Bayesian Monte Carlo （VBMC；近似后验工具箱）。 使用（将需要IBL访问凭据）将示例小鼠的IBL数据下载到data文件夹中的CSV文件中。 基本概述 举一个简单的例子，我们假设一个“无所不知”的贝叶斯观测器适合鼠标稳定会话数据，并假设存在偏差（请参见下面的说明）。 示例小鼠是CSHL_005 ， CSHL_007 ， IBL-T1 ， IBL-T4 ， ibl_witten_04 ， ibl_witten_05 ; 我们将在这里适合第